电力服务物联网体系要素分析

在能源互联网体系架构中，包括智能电能表、能源路由等各种用电相关设备成为电网数字化、网络化、智能化基础设施，并利用物联网技术形成智能设备、智能系统和智能决策的有机融合。

1、智能设备

为能源体系提供数字化仪表是互联网与用电融合的第一步。仪器仪表的普及是能源互联网实施的必要条件。部署成本降低、微处理芯片计算能力提升和大数据分析技术等因素促使仪表在能源互联网领域得以经济合理地加以普及，并使能源节点之间交互更加智能化。能源互联网是数据流、硬件、软件和智能的交互。由智能设备和网络收集的数据存储之后，利用大数据分析工具进行数据分析和可视化。由此产生的“智能信息”可以由决策者必要时进行实时判断处理，或者成为大范围能源系统中资产化化路决策过程的一部分。

电力消费相关智能设备能够产生大量能源系统和用户的用电数据，并通过物联网系统传送至物联网云服务系统。电力运营平台各市场主体可以了解一个特定用电设备或者分布能源在何种条件下运行了多长间，以何种状态在运行等。大数据分析工具可以将这些信息和其他类似部件的操作历史进行对比，对于部件发生故障的可能性和时间提供可靠的估计。在这种方式下，操作数据和预测分析可以结合起来避免运行中断同时降低维护成本。用电相关设备的智能仪表化和物联网化，使得用电行为更具有可预测性和可控制性，对能源互联网的部署优化具有显著支撑作用。

2、智能系统

智能系统即智能设备结合近远距离通信技术形成的用电物联网系统。随着越来越多的设备加人能源互联网，可以实现跨越整个网络的智能仪表和能源节点的协同效应。智能系统有多种形式：

（1）网络优化。在一个系统内实现互联的设备，可以在网络上相互协作提高运行效率。如用电信息可以连接到用户的手机，更迅速地帮助用户控制用电设备，提高电能使用效率。智能系统也非常适合实现分布储能系统的优化，互联的新能源车辆会知道自己的续航里程和最近的充电桩，同时能够了解到最优惠的入网时间，允许优化路由来寻找到最有效的系统级解决方案。

（2）维护优化。通过智能系统可以实现最优化、低成本，并有利于整个用电系统的维护。将设备、组件和各部分整合起来可以监测这些设备的状态，提升供电服务的可靠性。智能系统的维护优化可以与网络学习相结合，并且预测分析允许工程师来实施预防性维修计划，这样有可能使设备的可靠性达到前所未有的水平。

（3）系统恢复。建立广泛的系统范围内的大数据，可以帮助系统在经历大冲击之后更加快速、有效地恢复。如当大的暴风雨、地震或其他自然灾害发生时，可以用一个由智能电能表、传感器和其他智能设备和系统组成的网络来进行快速检测，将最严重的问题隔离，这样也不会串联而导致停电。地理和操作信息可以结合起来，支持公共设施恢复工作。

（4）学习。网络学习效果是系统内设备联网的智能体现。每台设备的操作经验可以聚合为一个信息系统，以使得整个设备组合加速学习，而这种加速学习的方式是不可能在单个设备上来实现的。如通过智能电能表收集的数据加上社会自然环境数据和用户画像数据可以预测各种环境下的负荷分布。

3、智能决策

电力消费物联网系统的智能功能和用户体验主要由智能决策实现当从智能设备和系统收集到了足够的信息来促进数据驱动型学习的时候，智能决策就发生了。考虑到可以大范围检测网络的设备，运营商需要迅速做出成千上万的决定来保持系统的最佳性能。如对一个智能系统来说，加大电厂输出的信号将不必发送到每个工厂中。相反，智能自动化将直接用于可以灵活调度，从而使可变资源快速响应风力和太阳能发电等分布能源、电力需求的变化等。智能决策作为能源互联网的基础特征是设备、系统、知识相互汇集的升华。

4、要素整合

随着智能碎片聚集在一起，能源互联网带来了基于计算机分析的“大数据”。传统的统计方法，使用历史数据采集技术经常造成数据、分析和决策之间的分离。随着系统监控技术的进步和信息技术成本的下降，处理实时数据的工作能力正在不断提升，更加出色的管理和分析高频实时数据的能力使得对于系统操作方面的洞悉能力上升到一个新的水平。基于计算机的分析则提供了另一个维度的分析过程。结合基础物理的方法论和资深的行业专业知识，提高信息流自动化和预测技术，同时将先进的分析方法加入“大数据”工具套件中，其结果是能源互联网将传统方法与新方法相结合，这样可以利用二者的强大历史和实时数据进行特定行业的高级分析。